„Bei dem Stichwort Smart Industry denken die meisten zuallererst an Big Data. Nicht zu Unrecht, denn die wachsende Menge an Daten hat den Wandel zum Industrial Internet of Things erst möglich gemacht“, meint Philipp Wallner. „Optische Sensoren, elektronische und hydraulische Antriebe, Produktionsmaschinen, Kraftwerke ... Sie alle produzieren während des Betriebs Daten. Diese zu analysieren und sinnvolle, zielgerichtete Erkenntnisse daraus zu ziehen, ist die große Kunst.“
Mit Predictive Maintenance zur selbstheilenden Maschine
Produktqualität, Energieverbrauch, Maschinenstatus und andere relevante Parameter lassen sich durch die richtigen Maßnahmen steigern. Einen Schritt weiter geht das Prinzip der vorausschauenden Wartung oder Predictive Maintenance. Dabei werden mathematische Modelle verwendet, um auf Basis der laufend eingelesenen Maschinen- und Produktionsdaten Voraussagen über den Zustand der Anlage abzuleiten. Diese werden dann in der Regel genutzt, um Serviceintervalle zu planen, Produktionsausfälle zu vermeiden oder zu minimieren und um den Produktionsumsatz zu maximieren.
Die Rolle von Embedded Software in der Smart Industry
Mit der Weiterentwicklung der Smart Industry nehmen Software-Komponenten einen immer höheren Stellenwert in der Wertschöpfungskette von Maschinen und Produktionsstätten ein. Embedded Software, die auf PLCs, industriellen Computern oder FPGAs läuft, verwendet Reglungsfunktionen, die einerseits die Produktionsqualität sicherstellen und andererseits mithilfe von Algorithmen die Wartung vereinfachen und für längere Produktionszeiten ohne technischen Support sorgen.
Sie ermöglicht den Einsatz von Supervisory Logic für das Behandeln von Fehlern und die automatische Erstellung von verbesserten Maschinenbewegungsbahnen. Embedded Software bietet auf diese Weise immer mehr Möglichkeiten, um die Produktion effizienter zu gestalten.
Die Herausforderung der Komplexität meistern
Anhaltende Trends wie mehr Modularität, mehr Unabhängigkeit von der Hardware und mehr Abbildung von Funktionalität in der Software, die den Anteil und die Komplexität des Codes in Produktionsmaschinen erhöhen, sind eine Herausforderung für klassische Maschinenbauer.
So erklärt Philipp Wallner: „In der Regel ist der Maschinenbau es gewohnt, mit aufwendigen Workflows und Toolchains für mechanische Konstruktionen zu arbeiten. Wenn es jedoch um Software geht, verlassen sich Maschinenbauer oft auf traditionelle Methoden für das Programmieren und Testen und nutzen Verfahren wie Modellbildung, Simulation, Automatisches Testen oder Code-Generierung noch deutlich seltener als ihre Kollegen aus der Luftfahrt oder der Automobilindustrie.“
Umdenken in den Methoden und Strategien nötig
Während es für Maschinenbau-Ingenieure selbstverständlich ist, ein CAD-Tool anzuwenden und Simulationen durchzuführen, bevor sie die mechanische Struktur der Maschine bauen, ist diese Selbstverständlichkeit im Bereich der Software noch nicht vorhanden. Der Großteil der Software wird noch immer manuell programmiert und erst dann umfangreich getestet, wenn die Maschine schon bereitsteht.
Um jedoch den Anforderungen der Systeme der neuesten Generation gewachsen zu sein, ist ein anderer, besser integrierter Ansatz nötig, wie Philipp Wallner betont: „In der Smart Industry werden Ingenieure aus allen drei mechatronischen Fachrichtungen gebraucht – mechanisches, elektrisches und Software-Ingenieurswesen. Erst wenn diese drei Disziplinen ineinandergreifen, finden sie neue Wege, um das Design, das Testen und die Verifikation von Maschinensoftware so zu entwickeln, dass neue Stufen von Funktionalität und Qualität erreicht werden können.
Auch wenn Maschinenbauer heute meist keine Experten für Software Engineering sind, können sie dennoch mit Tools für Model-Based Design wie Matlab und Simulink die Produktivität und Zuverlässigkeit ihrer Systeme steigern. Diese Programme erleichtern das modulare Entwickeln und Testen von Automatisierungskomponenten und die automatische Code-Generierung, die mit einem Klick Algorithmen für spezifische Hardware-Plattformen implementiert.“
